[发明专利]基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法有效
| 申请号： | 201910290488.9 | 申请日： | 2019-04-11 |
| 公开（公告）号： | CN110020691B | 公开（公告）日： | 2022-10-11 |
| 发明（设计）人： | 潘科;孔令峰;胡宗亮;詹慧妹 | 申请（专利权）人： | 重庆信息通信研究院 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/82;G06N3/04;G06T7/00 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 赵荣之 |
| 地址： | 401336 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法，属于屏幕检测技术领域。该方法包括以下步骤：通过频域高斯滤波或者时域高斯模糊的方法将缺陷样本转换为正常样本，建议使用频域高斯滤波，因为这个模糊方式对正常背景特征破坏程度较小；在对抗性训练过程中，将缺陷样本与平滑后的正常样本成对输入到卷积神经网络中；通过设置相应的损失函数，网络学习到缺陷区域与不直接相关的正常背景的特征差异，以及缺陷区域与直接相关的正常背景之间的差异。本发明提出的算法采用对抗性训练的方法，即使在少量训练样本的条件下，也可以快速学习到缺陷与背景的差异。 | ||
| 搜索关键词： | 基于 卷积 神经网络 对抗 训练 液晶屏幕 缺陷 检测 方法 | ||
【主权项】：
1.基于卷积神经网络对抗式训练的液晶屏幕缺陷检测方法，其特征在于：该方法包括以下步骤：在一块正常的模组上采集无缺陷的样本图A，然后在这个模组制作缺陷并采集得到含有缺陷的样本B；有目的地学习B图中缺陷的区域PB与A图中与PB相同的位置的区域PA的差异；通过频域高斯滤波或者时域高斯模糊的方法将缺陷样本转换为正常样本，这个模糊方式对正常背景特征破坏程度较小；在对抗性训练过程中，将缺陷样本与平滑后的正常样本成对输入到卷积神经网络中；通过设置相应的损失函数，网络学习到缺陷区域与不直接相关的正常背景的特征差异，以及缺陷区域与直接相关的正常背景之间的差异；网络的损失函数如下：![]()
其中，Sampleng与Sampleok分别表示缺陷样本与转换的正常样本；![]()
表示缺陷样本对应的特征图的置信度损失，包括缺陷区域与正常区域；![]()
表示缺陷样本特征图中的坐标回归损失；![]()
表示正常样本特征图中与缺陷样本特征图对应区域的置信度损失，只需要计算正常区域。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆信息通信研究院，未经重庆信息通信研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910290488.9/，转载请声明来源钻瓜专利网。
